Archivos de datos
Residencia de Epidemiología
diapositivas en construcción
Almacenamiento y seguridad
Características a considerar respecto al almacenamiento:
- Seguridad: garantizar que sus archivos no se pierdan, corrompan o editen inesperadamente. Copias de seguridad periódicas. Uso de la nube
- Confidencialidad: que personas no autorizadas no vean ni accedan a información confidencial. Además de archivos electrónicos hablamos de todo documento sensible (formularios, cuestionarios, planillas, etc).
- Accesibilidad y usabilidad de los archivos: asegurarse de que el equipo de trabajo pueda encontrar los archivos fácilmente y que pueda comprender qué contienen.
Colaboración
Existen numerosos recursos en línea para el trabajo colaborativo que el equipo de trabajo puede considerar. Mencionamos dos grandes grupos:
- Google drive / Dropbox / OneDrive: servicios de almacenamiento gratuito en línea con permisos de acceso, trabajo colaborativo y repositorio de seguridad.
- Plataformas tipo Github / Gitlab: herramientas de gestión de alojamiento de repositorios con control de acceso, control de versiones y colaboración, utilizadas generalmente para el desarrollo de software.
Control de versiones
El control de versiones en un paso más que integra el paradigma de la investigación reproducible dentro de la ciencia abierta.
Almacena ordenadamente un historial de cambios y quién los realizó.Es como un ‘deshacer’ sin límites.
Se pueden guardar metadatos del código escrito.
Invaluable para proyectos colaborativos donde diferentes personas trabajan paralelamente en el mismo código.
Permite realizar un seguimiento de los cambios realizados y puede combinar automáticamente el trabajo de las personas
git
![]()
git es un software de código abierto desarrollado originalmente por Linus Torvalds en 2005
Se puede instalar en Windows, Linux y Mac.
Se integra en la web con sitios como GitHub, GitLab, BitBucket, etc.
Se integra con IDE’s y editores como RStudio.
Repositorios: GitHub
Es un sitio web que ofrece un servicio para almacenar repositorios en base a control de versiones que se integra con Git.
Se utiliza principalmente para alojar código y fuente de productos digitales (material educativo, libros, etc)
Fue desarrollado en 2008 y actualmente pertenece a Microsoft
Es de acceso gratuito y tiene también planes de pago con servicios especiales (mayor cantidad de colaboradores en repositorios privados, por ejemplo)
Depuración
Datos brutos: archivo sin procesar que proviene directamente de su fuente de recopilación o captura de datos. Si es de fuente secundaria, este es el archivo que descarga o recibe del proveedor externo. No se comparten fuera del equipo de investigación, ya que suelen contener información identificable.
Datos depurados del estudio: conjunto de datos que se puede compartir públicamente. Sin eliminación de observaciones ni variables, salvo la anonimización.
Datos analíticos: conjunto de datos que se crea a partir del conjunto depurado de datos pero se modifica aún más para un análisis específico. Aquí aparecen las variables creadas en el análisis, posibles eliminaciones de observaciones y/o variables e imputaciones de valores perdidos.
Calidad
- Completo: Filas coincidentes con la recopilación y sin duplicados. Variables coincidentes con el diccionario de datos. Eliminaciones documentadas.
- Válido: variables que se ajustan a las restricciones que ha establecido en su diccionario de datos.
- Preciso: sin valores erróneos detectables.
- Coherente: valores de las variables se miden, formatean o categorizan de manera consistente dentro de una columna.
- Anonimizado: se eliminan todos los identificadores directos de los datos y se reemplazan con códigos de estudio. Antes de compartir públicamente también se eliminan identificadores indirectos.
- Analizable: los datos tienen un formato rectangular (filas y columnas), legible por máquina y cumple con las reglas básicas de organización.
